JPH0377520B2 - - Google Patents
Info
- Publication number
- JPH0377520B2 JPH0377520B2 JP57187105A JP18710582A JPH0377520B2 JP H0377520 B2 JPH0377520 B2 JP H0377520B2 JP 57187105 A JP57187105 A JP 57187105A JP 18710582 A JP18710582 A JP 18710582A JP H0377520 B2 JPH0377520 B2 JP H0377520B2
- Authority
- JP
- Japan
- Prior art keywords
- waveform
- maximum value
- calculation
- pitch
- clipper
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Lifetime
Links
- 238000004364 calculation method Methods 0.000 claims description 22
- 208000019300 CLIPPERS Diseases 0.000 claims description 14
- 208000021930 chronic lymphocytic inflammation with pontine perivascular enhancement responsive to steroids Diseases 0.000 claims description 14
- 238000005314 correlation function Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 description 13
- 238000000034 method Methods 0.000 description 10
- 238000001514 detection method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000002457 bidirectional effect Effects 0.000 description 3
- 238000005311 autocorrelation function Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 210000001260 vocal cord Anatomy 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Description
【発明の詳細な説明】
産業上の利用分野
本発明は、音声分析合成系における重要な基本
パラメータの１つである音声のピツチ周期を抽出
する方法に関する。DETAILED DESCRIPTION OF THE INVENTION Field of Industrial Application The present invention relates to a method for extracting the pitch period of speech, which is one of the important basic parameters in a speech analysis and synthesis system.
従来例の構成とその問題点
音声分析合成系は、音声波形を人間の発声機構
のシミユレーシヨンに基づき種々のバラメーター
を抽出し、そのパラメーターを伝送する事により
情報量の圧縮をはかるものであるが、特にその中
でも声帯の振動に対応した音声の基本周波数成分
であるピツチパラメーターは、合成音声の品質に
重大な影響を及ぼすため、ピツチを抽出する装置
にはピツチ抽出誤り率の低いものが要求される。Conventional configuration and its problems Speech analysis and synthesis systems extract various parameters from a speech waveform based on a simulation of the human vocal mechanism, and compress the amount of information by transmitting the parameters. In particular, the pitch parameter, which is the fundamental frequency component of the voice that corresponds to the vibration of the vocal cords, has a significant effect on the quality of synthesized speech, so a device that extracts pitch is required to have a low pitch extraction error rate. Ru.
従来、ピツチ抽出方法としては、種々の方法が
提案されている。その内で最も一般的な手法とし
て、音声波形の自己相関関数を用いるものがあ
り、自己相関関数は演算量が多いため、いろいろ
簡便な相関法による手法が提案されている。 Conventionally, various methods have been proposed as pitch extraction methods. Among these methods, the most common method is to use an autocorrelation function of a speech waveform.Since the autocorrelation function requires a large amount of calculation, various simple correlation methods have been proposed.
特に、第１図に示す構成のように、音声波形ｘ
（ｎ）にクリツパ演算装置１によりクリツパ演算
を施して得られた波形y1（ｎ）と、しきい値演算
装置２により−１、０、＋１に３値化した波形y2
（ｎ）との相互相関関数を次式
（τ）＝
〓
ｎ∈Ｌy1(n-τ)y2(n) ……(1)
又は
（τ）＝
〓
ｎ∈Ｌy1(n)y2(n-τ) ……(2)
〔但し、Ｌはフレームの全領域τ≧０〕
のうちのいずれかにより、相関器３を用いて求
め、（τ）の最大値を与えるτを最大値位置検
出装置４で求めてピツチ周期Ｐを得る方法は、y2
（ｎ）が３値化されているため相関演算の過程に
よる乗算演算が不要となるため、計算時間の点で
有利な方法である。 In particular, as in the configuration shown in FIG.
Waveform y 1 (n) obtained by performing clipper calculation on (n) by clipper calculation device 1, and waveform y 2 ternarized into -1, 0, +1 by threshold calculation device 2.
The cross-correlation function with (n) is expressed as follows (τ) = 〓 n∈Ly 1 (n-τ)y 2 (n) ...(1) or (τ) = 〓 n∈Ly 1 (n)y 2 (n-τ) ...(2) [However, L is the entire area of the frame τ≧0] Find it using the correlator 3, and set τ that gives the maximum value of (τ) to the maximum value. The method of obtaining the pitch period P by using the position detection device 4 is as follows: y 2
Since (n) is ternarized, there is no need for multiplication in the process of correlation calculation, so this is an advantageous method in terms of calculation time.
しかしながらこの方法では、相関演算の際に(1)
式を用いるか(2)式を用いるかの明確な規定がな
く、片方いずれかを固定して用いる事になるの
で、例えば第２図ａに示した音声波形ｙ（ｎ）に
上記のクリツパ演算、しきい値演算による２種類
の非線形変換を施し、第２図ｂ，ｃに示すy1
（ｎ）、y2（ｎ）を得、これを式(2)によつて（τ）
を求めると、第２図ｄのようになり、実際のピツ
チ周期に対応した相関ピーク値１１より、値の大
きい相関ピーク値１２が存在し、こちらの方をピ
ツチ周期として誤まつて抽出してしまう恐れがあ
り、ピツチ抽出精度が劣化するという問題点があ
つた。 However, in this method, (1)
There is no clear regulation as to whether to use the formula or formula (2), and one or the other must be used.For example, the above clipper operation is applied to the audio waveform y(n) shown in Figure 2a. , two types of nonlinear transformation using threshold calculation are performed, and y 1 shown in Fig. 2 b and c is obtained.
(n), y 2 (n), and use equation (2) to calculate (τ)
When calculated, the result is as shown in Figure 2 (d). There is a correlation peak value 12 which is larger than the correlation peak value 11 corresponding to the actual pitch period, and this is mistakenly extracted as the pitch period. There was a problem that the accuracy of pitch extraction deteriorated.
発明の目的
本発明は、分析を行う当該フレーム内の音声波
形の振幅情報に基き、上記相関演算の式(1)、(2)を
適宜選択する事により、上記問題点を解決し、よ
りピツチ抽出誤り率の低いピツチ抽出方法を提供
するものである。Purpose of the Invention The present invention solves the above problems by appropriately selecting equations (1) and (2) of the above correlation calculation based on the amplitude information of the audio waveform in the frame to be analyzed. This invention provides a pitch extraction method with a low extraction error rate.
発明の構成
本発明は音声波形ｘ（ｎ）より、クリツパ演算
およびしきい値演算処理を施してy1（ｎ）、y2（ｎ）
を得、音声波形の最大値がフレームの前半に存在
するか後半に存在するかを判定してその結果得ら
れた最大値の位置情報をもとに(1)式または(2)式を
適応的に選択するようにしたピツチ抽出方法であ
る。Structure of the Invention The present invention performs clipper calculation and threshold calculation processing on the audio waveform x(n) to obtain y 1 (n), y 2 (n).
, determine whether the maximum value of the audio waveform exists in the first half or the second half of the frame, and apply equation (1) or (2) based on the position information of the maximum value obtained as a result. This is a pitch extraction method that is selected based on
実施例の説明
以下、本発明の実施例を第３図を用いて説明す
る。音声波形ｘ（ｎ）をクリツパ演算装置１によ
りクリツパ演算を施し、クリツパ波形y1（ｎ）を
得る。一方同時にｘ（ｎ）をしきい値演算装置２
に通し、−１、０、１の３値化波形y2（ｎ）を得
る。式であらわすと、y1（ｎ）、y2（ｎ）は次のよ
うになる。DESCRIPTION OF EMBODIMENTS Hereinafter, embodiments of the present invention will be described with reference to FIG. The audio waveform x(n) is subjected to clipper calculation by the clipper calculation device 1 to obtain a clipper waveform y 1 (n). On the other hand, x(n) is simultaneously calculated by the threshold calculation device 2.
to obtain a ternarized waveform y 2 (n) of -1, 0, and 1. Expressed in formulas, y 1 (n) and y 2 (n) are as follows.
y1（ｎ）＝ｘ（ｎ）−CL ｘ（ｎ）≧CL ＝０ ｜ｘ（ｎ）｜＜CL ＝ｘ（ｎ）＋CL ｘ（ｎ）≦−CL y2（ｎ）＝１ ｘ（ｎ）≧CL ＝０ ｜ｘ（ｎ）｜＜CL ＝−１ ｘ（ｎ）≦−CL ただし、CLはしきい値である。y 1 (n) = x (n) - C L x (n) ≧ C L = 0 | x (n) | < C L = x ( n ) + C L )=1 x(n)≧C L =0 |x(n)|<C L =-1 x(n)≦-C L However, C L is a threshold value.
ここまでは第１図の従来例と同一である。８は
最大値位置検出装置で、当該フレームにおける音
声波形ｘ（ｎ）の絶対値の最大値を与えるｎを検
出し、判定装置９により、上記ｎが、当該フレー
ムの前半に位置するか後半に位置するかを識別す
る信号Ｃを得る。 The process up to this point is the same as the conventional example shown in FIG. 8 is a maximum value position detection device that detects n that gives the maximum absolute value of the audio waveform x(n) in the frame, and a determination device 9 determines whether n is located in the first half of the frame or in the second half. A signal C identifying the location is obtained.
以上のようにして音声波形ｘ（ｎ）を処理して
得たy1（ｎ）、y2（ｎ）、Ｃの信号をもとに、両方向
性相関器７においては、信号Ｃがフレームの前半
にｘ（ｎ）の最大値が存在している事を示してい
る時には、(1)式に従つて、又、信号Ｃがフレーム
の後半にｘ（ｎ）の最大値が存在している事を示
している時には(2)式に従つてy1（ｎ）とy2（ｎ）の
相互相関関数（τ）を求める。この場合Ｌは、
当該フレームの全範囲をあらわす。 Based on the signals y 1 (n), y 2 (n), and C obtained by processing the audio waveform x(n) as described above, the bidirectional correlator 7 converts the signal C into a frame. When the maximum value of x(n) exists in the first half of the frame, according to equation (1), signal C also indicates that the maximum value of x(n) exists in the second half of the frame. When this is the case, the cross-correlation function (τ) of y 1 (n) and y 2 (n) is calculated according to equation (2). In this case, L is
Represents the entire range of the frame.
最後に、最大値位置検出装置１０により、
（τ）の最大値を与えるτをピツチ周期Ｐとして
得る事により、ピツチ抽出動作を完了する。 Finally, by the maximum value position detection device 10,
By obtaining τ that gives the maximum value of (τ) as the pitch period P, the pitch extraction operation is completed.
第４図は第２図ａに示した音声波形ｘ（ｎ）を
本発明に適用したときの波形図を示す。第４図
ａ，ｂ，ｃはそれぞれ第２図ａ，ｂ，ｃと全く同
一であり、第４図ｂは第４図ａの音声波形ｘ（ｎ）
をクリツパ演算装置１によりクリツパ演算したと
きのクリツパ波形y1（ｎ）を、第４図ｃは第４図
ａの音声波形ｘ（ｎ）をしきい値演算装置２によ
り３値化したときの波形y2（ｎ）を示す。 FIG. 4 shows a waveform diagram when the audio waveform x(n) shown in FIG. 2a is applied to the present invention. Figure 4 a, b, and c are completely the same as Figure 2 a, b, and c, respectively, and Figure 4 b is the audio waveform x(n) of Figure 4 a.
FIG. 4c shows the clipper waveform y 1 (n) when the clipper calculation device 1 performs the clipper calculation, and FIG. 4c shows the clipper waveform y 1 (n) when the audio waveform The waveform y 2 (n) is shown.
一方音声波形ｘ（ｎ）の当該フレームにおける
最大値は第４図ａの波形では前半に位置してい
る。したがつて、最大値位置検出装置８、判定装
置９により得られる信号Ｃは音声波形ｘ（ｎ）の
最大値が当該フレームの前半にあることを示す信
号となり、両方向性相関器７では(1)式に従つてy1
（ｎ）とy2（ｎ）の相互相関関数（τ）を求める
よう動作する。この結果、得られる相互相関関数
（τ）は第４図ｄに示す波形になり、実際のピ
ツチ周期に対応したτにおいて相関のピーク１３
が得られるのでピツチ周期が正しく抽出される。 On the other hand, the maximum value of the audio waveform x(n) in the relevant frame is located in the first half of the waveform of FIG. 4a. Therefore, the signal C obtained by the maximum value position detection device 8 and the determination device 9 becomes a signal indicating that the maximum value of the audio waveform x(n) is in the first half of the frame, and the bidirectional correlator 7 outputs (1 ) according to the formula y 1
(n) and y 2 (n) to find the cross-correlation function (τ). As a result, the cross-correlation function (τ) obtained has the waveform shown in Figure 4d, and the correlation peaks at 13 at τ corresponding to the actual pitch period.
is obtained, so the pitch period is correctly extracted.
発明の効果
以上のように、本発明は音声波形を複数区間に
分割して各区間毎にピツチ抽出を行なう際、各区
間内で音声波形をクリツパ演算およびしきい値演
算により非線形変換し、その相互相関関数の演算
を各区間内の音声波形の最大振幅の位置情報によ
りシフト方向を制御するようにしたピツチ抽出方
法であり、実際のピツチ周期に対応したτにおい
てピツチ周期が正しく抽出され、ピツチ抽出精度
を大きく向上させることができる。Effects of the Invention As described above, when an audio waveform is divided into a plurality of sections and pitch extraction is performed for each section, the audio waveform is nonlinearly transformed within each section by clipper calculation and threshold calculation. This is a pitch extraction method in which the shift direction of the calculation of the cross-correlation function is controlled by the position information of the maximum amplitude of the audio waveform in each interval.The pitch period is correctly extracted at τ corresponding to the actual pitch period, and the pitch is Extraction accuracy can be greatly improved.
第１図は、従来のピツチ抽出装置の一例を説明
したブロツク図、第２図ａ〜ｄは、従来のピツチ
抽出装置により、実際の音声信号からピツチ周期
が抽出されるまでの処理過程を説明した波形図、
第３図は本発明によるピツチ抽出方法に使用され
る装置の一実施例を示すブロツク図、第４図ａ〜
ｄは、第３図の装置により実際の音声波形からピ
ツチ周期が抽出されるまでの処理過程を説明した
波形図である。
１……クリツパ演算装置、２……しきい値演算
装置、３……相関器、４……最大値位置検出装
置、７……両方向性相関器、８……最大値位置検
出装置、９……判定装置、１０……最大値位置検
出装置。
Fig. 1 is a block diagram illustrating an example of a conventional pitch extraction device, and Figs. 2 a to 2d illustrate the processing steps until the pitch period is extracted from an actual audio signal by the conventional pitch extraction device. waveform diagram,
FIG. 3 is a block diagram showing an embodiment of the apparatus used in the pitch extraction method according to the present invention, and FIG.
d is a waveform diagram illustrating the processing steps until the pitch period is extracted from an actual voice waveform by the apparatus shown in FIG. 3; DESCRIPTION OF SYMBOLS 1... Clipper calculation device, 2... Threshold calculation device, 3... Correlator, 4... Maximum value position detection device, 7... Bidirectional correlator, 8... Maximum value position detection device, 9... ...determination device, 10... maximum value position detection device.
Claims (1)
波形をクリツパ演算式 y1（ｎ）＝ｘ（ｎ）−CL （ｘ（ｎ）≧CL） ＝０ （｜ｘ（ｎ）｜＜CL） ＝ｘ（ｎ）＋CL （ｘ（ｎ）≦−CL 及びしきい値演算式 y2（ｎ）＝１ （ｘ（ｎ）≧CL） ＝０ （｜ｘ（ｎ）｜＜CL） ＝−１ （ｘ（ｎ）≦−CL （ただしCLはしきい値、ｘ（ｎ）は区間内の音声
波形）により非線形変換し、前記区間内の区間の
前半にｘ（ｎ）の最大値が存在する時は、相互相
関関数 （τ）＝ 〓 ｎ∈Ｌy1＝（ｎ−τ）y2（ｎ） を演算し、区間の後半にｘ（ｎ）の最大値が存在
する時は、相互相関関数 （τ）＝ 〓 ｎ∈Ｌy2＝（ｎ−τ）y1（ｎ） （ただし、Ｌは当該分析区間全域を示し、τは波
形上の時間間隔でτ≧０である） を演算し、この相互相関関数の最大値よりピツチ
を抽出することを特徴とするピツチ抽出方法。[Claims] 1. Divide the audio waveform into multiple sections, and calculate the audio waveform of each section using the clipper calculation formula y 1 (n) = x (n) - C L (x (n) ≧ C L ) = 0 ( |x(n)|<C L ) =x(n)+C L (x(n)≦-C L and threshold calculation formula y 2 (n)=1 (x(n)≧C L ) =0 (|x(n)|< CL ) = -1 (x(n)≦ -CL (where CL is the threshold and x(n) is the audio waveform within the section), and When the maximum value of x(n) exists in the first half of the interval, calculate the cross-correlation function (τ) = 〓 n∈Ly 1 = (n-τ)y 2 (n) When the maximum value of x(n) exists, the cross-correlation function (τ) = 〓 n∈Ly 2 = (n-τ)y 1 (n) (where, L indicates the entire analysis interval, and τ τ≧0 at time intervals on a waveform), and extracting the pitch from the maximum value of this cross-correlation function.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP18710582A JPS5975297A (en) | 1982-10-25 | 1982-10-25 | Extraction of pitch |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP18710582A JPS5975297A (en) | 1982-10-25 | 1982-10-25 | Extraction of pitch |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS5975297A JPS5975297A (en) | 1984-04-27 |
| JPH0377520B2 true JPH0377520B2 (en) | 1991-12-10 |
Family
ID=16200185
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP18710582A Granted JPS5975297A (en) | 1982-10-25 | 1982-10-25 | Extraction of pitch |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS5975297A (en) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS5570900A (en) * | 1978-11-24 | 1980-05-28 | Nippon Electric Co | Voice analyzer |
-
1982
- 1982-10-25 JP JP18710582A patent/JPS5975297A/en active Granted
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS5570900A (en) * | 1978-11-24 | 1980-05-28 | Nippon Electric Co | Voice analyzer |
Also Published As
| Publication number | Publication date |
|---|---|
| JPS5975297A (en) | 1984-04-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5473759A (en) | Sound analysis and resynthesis using correlograms | |
| JP2006510017A (en) | Signal separation | |
| US6502067B1 (en) | Method and apparatus for processing noisy sound signals | |
| US5452398A (en) | Speech analysis method and device for suppyling data to synthesize speech with diminished spectral distortion at the time of pitch change | |
| CN101030374B (en) | Method and apparatus for extracting base sound period | |
| JP5325130B2 (en) | LPC analysis device, LPC analysis method, speech analysis / synthesis device, speech analysis / synthesis method, and program | |
| JPS62229200A (en) | Pitch detector | |
| JPH0377520B2 (en) | ||
| JPH04288600A (en) | Extracting method for pitch frequency difference feature quantity | |
| EP0162585B1 (en) | Encoder capable of removing interaction between adjacent frames | |
| JPH058839B2 (en) | ||
| JPH0114599B2 (en) | ||
| JP4313740B2 (en) | Reverberation removal method, program, and recording medium | |
| JPH0122638B2 (en) | ||
| JP3233543B2 (en) | Method and apparatus for extracting impulse drive point and pitch waveform | |
| JPS61190400A (en) | Enunciation speed estimate apparatus | |
| JP2898637B2 (en) | Audio signal analysis method | |
| JP4378098B2 (en) | Sound source selection apparatus and method | |
| JP2629762B2 (en) | Pitch extraction device | |
| JPH0636157B2 (en) | Band division type vocoder | |
| JPH0736119B2 (en) | Piecewise optimal function approximation method | |
| JPH0754438B2 (en) | Voice processor | |
| JPH0448239B2 (en) | ||
| JPS63108400A (en) | Voice encoder | |
| JPS60238900A (en) | Fundamental frequency pattern extraction system |